买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西南科技大学申请的专利融合物理模型与神经网络的储能锂电池荷电状态评估方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120352779B 。

龙图腾网通过国家知识产权局官网在2025-08-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510813079.8，技术领域涉及：G01R31/367；该发明授权融合物理模型与神经网络的储能锂电池荷电状态评估方法及系统是由刘冬雷;曹文;朱玉玉;于春梅;李小霞;时浩添;陈蕾;李杨;范永存设计研发完成，并于2025-06-18向国家知识产权局提交的专利申请。

本融合物理模型与神经网络的储能锂电池荷电状态评估方法及系统在说明书摘要公布了：本发明属于锂电池荷电状态评估技术领域，公开了融合物理模型与神经网络的储能锂电池荷电状态评估方法及系统，包括：利用集总参数等效电路模型电池系统表征方法，提取动力锂离子电池荷电特征信息；将所述动力锂离子电池荷电特征信息作为神经网络的输入特征，构建新型集总参数等效电路模型‑长短期记忆神经网络模型；利用所述新型集总参数等效电路模型‑长短期记忆神经网络模型，实现待测动力锂离子电池荷电状态预估。本发明为动力锂离子电池的SOC估算提供了一种创新且有效的解决方案，不仅简化了模型构建过程，还提升了在多温度环境下SOC的预测性能，为相关领域的研究和应用提供了新的思路。

本发明授权融合物理模型与神经网络的储能锂电池荷电状态评估方法及系统在权利要求书中公布了：1.融合物理模型与神经网络的储能锂电池荷电状态评估方法，其特征在于，所述方法包括： 利用集总参数等效电路模型电池系统表征方法，提取动力锂离子电池荷电特征信息；具体包括： 运用自适应遗忘因子递推最小二乘算法实现集总参数等效电路模型在线参数辨识， ； 式中，是所求量在k时刻的求解，ρ为遗忘因子，为+1时刻的输入矩阵，Kk+1为k+1时刻的增益，Pk为k时刻的协方差；ek为k时刻的预测误差，emax为误差的最大值，h为遗忘因子调节的灵敏系数； 运用扩展卡尔曼算法实现动力锂离子电池SOC特征提取， ； 式中，P为均方误差；G为卡尔曼增益；L为单位矩阵；Q和R分别是状态误差和测量误差的方差；Xk为状态变量[SOC，UP1，UP2]T；uk为系统输入；yk为观测变量；Ak为状态转移矩阵；Bk为系统控制输入矩阵；Ck、Dk分别为系统观测矩阵、驱动预测系统观测量，UP1为极化电压，UP2为表面效应电压，为k+1时刻状态变量的先验估计，为运用k时刻状态变量Xk计算k+1时刻状态变量先验估计值的计算公式，为k+1时刻状态变量的后验估计，为k+1时刻均方误差的先验估计，为k时刻均方误差的后验估计，为k+1时刻均方误差的后验估计，为k+1时刻的状态误差的方差，为k+1时刻的卡尔曼增益，为k+1时刻的系统观测矩阵，为k+1时刻的测量误差的方差，为k+1时刻的观测值，为运用k+1时刻状态变量先验估计值计算的状态变量； 将所述动力锂离子电池荷电特征信息作为神经网络的输入特征，构建新型集总参数等效电路模型-长短期记忆神经网络模型；具体包括： 运用AFFRLS参数辨识方法实现LPECM参数的在线辨识，结合EKF算法实现荷电输入特征的提取； 在LSTM的基本结构中，激活函数sigmoid（σ）和tanh表示为： ； σ和tanh函数将荷电输入特征分别转换到0到1和-1到1的非线性区间，z为函数σ和tanh的自变量； LSTM中三种门的计算公式为： ； 式中，ik为输入门，fk为遗忘门，ok为输出门，Wi，Wf和Wo为各门的权重向量，hk-1为前一时刻LSTM单元的输出值，xk为当前时刻的输入特征，bi，bf和bo为各门的偏置项，k为时刻； 当前时刻细胞输入信息的计算公式为： ； 式中，Wc为当前输入信息的权重向量，bc为当前输入信息的偏置项； 细胞当前输入信息与前一时刻细胞输出值和当前时刻输入特征紧密相关，其中包含着当前输入所带来的新信息，当前时刻细胞的记忆单元和当前时刻细胞输出的计算公式为： ； 式中，Ck为细胞当前时刻记忆单元，Ck-1为前一时刻细胞记忆单元，hk为当前时刻LSTM单元的输出值； 利用所述新型集总参数等效电路模型-长短期记忆神经网络模型，实现待测动力锂离子电池荷电状态预估。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西南科技大学，其通讯地址为：621010 四川省绵阳市涪城区青龙大道中段59号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。